| 鲁棒的加权核主成分分析算法 |
| |
| 引用本文： | 孟凡荣,杨开睿,梁志贞. 鲁棒的加权核主成分分析算法[J]. 计算机应用研究, 2013, 30(7): 2230-2232 |
| |
| 作者姓名： | 孟凡荣 杨开睿 梁志贞 |
| |
| 作者单位： | 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116 |
| |
| 基金项目： | 国家自然科学基金资助项目（61003169）; 国家教育部博士点基金资助项目（20110095110010）; 中央高校基本科研业务费专项基金资助项目（2012ANA33） |
| |
| 摘 要： | 为减弱离群点对数据处理的影响, 提出了一种鲁棒的加权核主成分分析算法。利用核函数将样本投影到核空间, 在核空间构建一个样本加权重建误差最小模型, 最大限度地提取数据中的非线性信息并降低离群点样本的干扰。在Yale人脸库和UCI数据集上的实验表明, 该方法具有很好的识别率, 尤其对离群点样本具有较好的鲁棒性。
|
| 关 键 词： | 特征提取 人脸识别 核主成分分析 鲁棒 |
Robust weighted KPCA algorithm |
| |
| MENG Fan-rong,YANG Kai-rui,LIANG Zhi-zhen. Robust weighted KPCA algorithm[J]. Application Research of Computers, 2013, 30(7): 2230-2232 |
| |
| Authors: | MENG Fan-rong YANG Kai-rui LIANG Zhi-zhen |
| |
| Affiliation: | School of Computer Science & Technology, China University of Mining & Technology, Xuzhou Jiangsu 221116, China |
| |
| Abstract: | This paper proposed a robust weighted KPCA to reduce the effect of outliers in data processing. By introducing kernel function to project samples into kernel space, it constructed a model minimizing weighted reconstruction errors in the kernel space, to maximize nonlinear information extracted from the data and reduce the interference of outlier samples. Experiments on Yale face database with outliers and UCI data sets show that the proposed method has better recognition rates and robustness especially with outliers. |
| |
| Keywords: | |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
